動物指紋
動物指紋研究發現，除了人類，大猩猩、黑猩猩、猩猩等靈長類動物的手部和腳部也有膚紋，甚至在樹棲動物考拉及其同類（袋貂科）動物身上也有膚紋。另外，生活在南美的蜘蛛猿、捲尾猴等都有一根捲曲的尾巴，可以靈巧地抓曳物體，它們的尾巴內側也有膚紋。由此可以推斷，在動物抓曳物體部位的皮膚上總是比較容易形成膚紋。
獲取方式
一、光學識別技術
藉助光學技術採集指紋是歷史最久遠、使用最廣泛的技術。將手指放在光學鏡片上，手指在內置光源照射下，用稜鏡將其投射在電荷耦合器件(CCD) 上，進而形成脊線(指紋圖像中具有一定寬度和走向的紋線)呈黑色、谷線(紋線之間的凹陷部分)呈白色的數位化的、可被指紋設備算法處理的多灰度指紋圖像。
二、溫差感應式識別技術
它的優點是可在0.1s內獲取指紋圖像，而且感測器體積和面積最小，即通常所說的滑動式指紋識別儀就是採用該技術。缺點是：受制於溫度局限，時間一長，手指和晶片就處於相同的溫度了。
三、半導體矽感技術(電容式技術)
半導體電容感測器根據指紋的嵴和峪與半導體電容感應顆粒形成的電容值大小不同，來判斷什麼位置是嵴什麼位置是峪。其工作過程是通過對每個像素點上的電容感應顆粒預先充電到某一參考電壓。當手指接觸到半導體電容指紋表現上時，因為嵴是凸起、峪是凹下，根據電容值與距離的關係，會在嵴和峪的地方形成不同的電容值。然後利用放電電流進行放電。因為嵴和峪對應的電容值不同，所以其放電的速度也不同。嵴下的像素(電容量高)放電較慢，而處於峪下的像素(電容量低)放電較快。根據放電率的不同，可以探測到嵴和峪的位置，從而形成指紋圖像數據。
四、超音波技術
超音波技術所使用的超音波頻率為1×104Hz-1×109Hz，能量被控制在對人體無損的程度(與醫學診斷的強度相同)。超音波技術產品能夠達到最好的精度，它對手指和平面的清潔程度要求較低，但其採集時間會明顯地長於前述兩類產品，而且價格昂貴，也並不能做到活體指紋識別，所以使用稀少。
重要概念
指紋識別技術作為一個新的IT技術領域，自身具有許多新的概念。了解指紋識別技術的概念有助於準確的理解指紋識別技術。
識別系統
指紋識別系統經過人工識別到機器識別的發展之後，進入自動識別階段，稱為自動指紋識別系統（AFIS）。一個典型的自動指紋識別系統，包括與人互動的前端子系統――自動指紋採集設備、完成指紋圖像處理和特徵值提取的後台子系統，以及用於指紋庫存儲的資料庫子系統。當後台子系統用於指紋註冊過程時，可以稱為指紋註冊子系統。當它用於指紋辨識過程時，稱為指紋辨識子系統。
註冊匹配
指紋考勤機指紋註冊又叫指紋登記。是從指紋圖像中提取指紋特徵值，形成
指紋特徵值模板，並與人的身份信息結合起來，存儲在指紋識別系統中的過程。它相當於為指紋報戶口。所以指紋註冊的時候，需要保證指紋與身份信息之間的正確對應。尤其對於政府、社團、公司等單位進行指紋註冊時，防止冒名頂替，避免指紋與身份信息關聯錯誤，是非常重要的。因此在這類指紋套用中，指紋登記的過程，需要現場督導人員參與。甚至把督導人的指紋採集到系統中，作為註冊者指紋特徵值模板的組成部分，以示職責之重要，並為後續責任審計提供依據。
識別驗證
識別與驗證並不是指紋識別算法領域的問題，而是指紋識別系統的問題。指紋識別是指在1：N模式下匹配指紋特徵值。它是從多個指紋模板中識別出一個特定指紋的過程。其結果是，“有”或者“沒有”。有時會給出“是誰”的信息。
指紋驗證是指在1：1模式下匹配指紋特徵值。它是拿待比對的指紋特徵模板與事先存在的另一個指紋特徵模板進行一次匹配的過程。其結果是“是不是”。在一個系統中既可以採用1：1模式也可以採用1：N模式，這是取決於套用系統的特點和要求。有時候還可以業務模式的需要，把1:N模式轉化為1:1模式以提高系統安全性和比對速度。
優點：
1、指紋是人體獨一無二的特徵，並且它們的複雜度足以提供用於鑑別的足夠特徵；
2、如果要增加可靠性，只需登記更多的指紋、鑑別更多的手指，最多可以多達十個，而每一個指紋都是獨一無二的；
3、掃描指紋的速度很快，使用非常方便；
4、讀取指紋時，用戶必需將手指與指紋採集頭相互接觸，與指紋採集頭直接；
5、接觸是讀取人體生物特徵最可靠的方法；
6、指紋採集頭可以更加小型化，並且價格會更加的低廉；
缺點如下：
1、某些人或某些群體的指紋特徵少，難成像；
2、過去因為在犯罪記錄中使用指紋，使得某些人害怕“將指紋記錄在案”。
3、實際上指紋鑑別技術都可以不存儲任何含有指紋圖像的數據，而只是存儲從指紋中得到的加密的指紋特徵數據；
4、每一次使用指紋時都會在指紋採集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來複製指紋的可能性。
FRR與FAR
FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用來評估指紋識別算法性能的兩個主要參數。FRR和FAR有時被用來評價一個指紋識別系統的性能，其實這並不貼切。指紋識別系統的性能除了受指紋算法的影響外，指紋採集設備的性能對FRR和FAR的影響也是不能忽視的。
FRR通俗叫法是拒真率的意思，標準稱謂是FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解為“把應該相互匹配成功的指紋當成不能匹配的指紋”的機率。對指紋算法的性能測量是在給定指紋庫的情況下進行測量的。用於測量的指紋庫一般由FVC（國際指紋識別算法大賽）組織者給定。FVC在作指紋識別算法性能測試時，並無外界指紋輸入，是使用標準的指紋圖像庫來測試的。所以FNMR是在沒有連線指紋採集設備的情況下得出的測試值。本節的其它參數也都是在這一前提下得出的。
假定指紋庫中有100個不同ID的手指，每個手指註冊有3枚指紋，則該指紋庫中共有300枚指紋。假定P1表示手指1的ID，則其三次註冊的指紋用P1-F1,P1-F2,P1-F3來表示。FNMR是指把指紋庫中的同一個手指的3枚指紋兩兩比較，即P1-F1與P1-F2匹配，P1-F1與P1-F3匹配，P1-F2與P1-F3匹配，P1-F2與P1-F1匹配，P1-F3與P1-F1匹配，P1-F3與P1-F2匹配，共有6種匹配方式。把所有100個手指在其內部均作6種匹配，共6x100=600次匹配。理論情況下，600次匹配均能正確匹配，匹配的成功率為100%。實際上因為同一手指的3枚指紋圖像不可能完全一樣，所以有一個匹配相似度問題。假定我們把匹配成功的相似度設為>90%，就是說當相似度大於90%時，表示匹配成功。然後我們從600次匹配中，找出多少次相似度在90%以上的，這個數值就表示匹配成功的次數，假定為570次。600次中其餘的表示沒有匹配成功的次數，為600-570=30次。則匹配失敗率，就是30/600=5%。
對於指紋識別算法來講，在指紋庫確定的情況下，其匹配失敗率FNMR是一定的。當指紋庫發生變化，其FNMR也會有變化。所以國際上是以FVC公布的指紋庫為統一的測試庫，在該測試庫中測試出來的FNMR結果作為衡量指紋算法性能的標準參考。
FAR一般稱為認假率，其標準稱謂是FMR（False Match Rate 錯誤匹配率）。FMR是用來評估指紋識別算法性能的最重要參數。可以通俗的理解為“把不應該匹配的指紋當成匹配的指紋”的機率。
同樣以前段中的指紋庫為例。把庫中的每個指紋，與除自己之外的其它所有指紋進行匹配，匹配的總次數，即3x99x3x100=89100次。理論情況下，匹配成功次數為6x100=600次，匹配失敗次數應為89100-600=88500次。假定由於指紋算法性能的原因，把本應該匹配失敗的判為匹配成功，若假定這種錯誤次數為100次。則錯誤接受率FAR為100/89100=0.11%。匹配失敗次數是因判定相似的條件嚴格程度而變化的。當匹配成功的篩選條件，即門限值提高時，FAR會降低。
FAR也與指紋庫相關。所以在FVC大賽中，有4個指紋庫用於測試，並取平均值。其中有一個指紋庫是人工生成的，以排除採集設備不同導致的指紋圖像質量不同對算法效能的影響。
在同一個指紋庫中，對同一個算法來講，需要設定一個閾值，作為判定相似的標準。當相似度大於這個閾值時，表示匹配成功，否則表示匹配失敗。FNMR是隨閾值增大而增大的，即判定相似的門檻值越高，則真的指紋判定為假的機率越大。反之，FMR是隨閾值增大而減小的，即隨著判定相似度的門檻值越高，把假的指紋判定為真的機率會越小。FAR與FRR成反比。根據2004年FVC大賽測試結果，一般當FMR是1/1000量級時，FNMR是5/100左右。也就是100個手指的指紋庫中，進行1000次匹配，有可能發生一次匹配錯誤，即認錯。進行100次匹配，有可能出現5次匹配失敗，即不認。
EER
EER（Equal Error Rate）是相等錯誤率的意思。這個參數一般在普通場合不大使用。EER主要用於評價指紋算法整體效能的指標。也就是把FAR、FRR兩個參數統一為一個參數，來衡量指紋算法的整體性能。FAR和FRR是同一個算法系統的兩個參數，把它放在同一個坐標中，如圖30所示。FAR是隨閾值增大而減小的，FRR是隨閾值增大而增大的。因此它們一定有交點。這個點是在某個閾值下的FAR與FRR等值的點。習慣上用這一點的值來衡量算法的綜合性能。對於一個更優的指紋算法，希望在相同閾值情況下，FAR和FRR都越小越好。
把FAR和FRR曲線都向下平移。同時相交點ERR也向下平移。所以EER值越小的時候，表示算法的整體性能越高。
由於當FRR與FAR相交時對應的閾值都很小，也就是說此時的相似度閾值連30%都不到。實際使用中的閾值至少設在80%以上，所以EER值並不被用在大眾化場合來描述指紋算法的性能，只是在競賽排名中使用。
FRR實際上也是系統易用性的重要指標。由於FRR和FAR是相互矛盾的，這就使得在套用系統的設計中，要權衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，極大地提高了系統安全性。
拒登率
拒登率一般使用較少，在指紋識別術語中，它是一個意思相對比較含糊的詞。在世界指紋算法大賽中，有個參數叫拒絕註冊率，有時被稱為拒登率，用來衡量指紋識別算法對指紋圖像質量的挑剔程度，用REJENROLL。表示。在給定的指紋數量，如100枚指紋圖像中，可以成功註冊或稱為建檔的指紋，如果是99，則REJENROLL=1%。對FVC大賽給出的標準指紋庫來講，絕大多數的指紋算法都可以建檔成功，即REJENROLL為0.00%。
在另外一種場合，拒登率通常被解釋為指紋識別系統（包含指紋採集設備）不接受指紋註冊的機率。這種情況下，拒絕註冊的因素，除了算法本身的原因外，更多的受指紋採集設備的成像能力的影響。指紋採集設備輸出的指紋圖像質量越好，指紋識別系統的拒登率越低，指紋採集設備輸出的指紋圖像質量越低，其拒登率越高。
時間
註冊時間是用來衡量指紋算法性能的另一個指標。它是指從輸入指紋圖像到指紋建檔成功（註冊成功）的時間。根據FVC大賽的結果，一般的指紋算法註冊時間在0.5秒以內，這也是FVC以參加LIGHT組比賽的算法提出的參賽資格之一。
匹配時間有時稱為比對速度，是用來指示指紋識別算法完成一次匹配所需的時間。它是從指紋圖像輸入算起到匹配結果輸出為止的時間。參加算法大賽的絕大多數算法的匹配時間在0.3秒以內，這個參數與註冊時間最小值一起構成LIGHT組的參賽條件。
由於這些時間都是受待測的指紋圖像的質量影響，所以一般取多個指紋庫的平均值，所以一般拿平均註冊時間和平均匹配時間作為衡量依據。
大腦關聯
拇指
拇指反應我們大腦前額葉區的功能，從皮紋學的研究得知，拇指可以顯示我們的精神力量，是大腦的指揮中樞。
在先天傾向的表現上：左手拇指，代表創造力、領導力、想像力、目標力、直覺力、群體的成就動機等開創智慧型，也與內省智慧型相關。右手拇指，代表溝通力、管理力、計畫力、判斷力、個體的成就動機、也與人際智慧型相關。
食指
食指反應我們大腦後額葉區的功能，從皮紋學的研究得知，食指可以顯示我們的思維能力。
在先天傾向的表現上：左手食指，代表空間心像、想像思考、空間藝術概念、自我期許等心像智慧型發展相關。右手食指，代表邏輯推理、概念理解、計算分析、語言表達等邏輯/推理智慧型發展相關。
中指
反應我們大腦頂葉區的功能，從皮紋學的研究得知，中指可以顯示我們的感官知覺、體覺能力。
在先天傾向的表現上：左手中指，代表肢體律動、藝術學習與感受欣賞等律動智慧型、藝術智慧型發展相關。右手中指，代表分辨動作、操控肢體、理解操作、分解結合等操控智慧型、運作的肢體動覺智慧型發展相關。
無名指
無名指反應我們大腦顳葉區的功能，從皮紋學的研究得知，無名指可以顯示我們的感官知覺、聽覺能力。
在先天傾向的表現上：左手無名指，代表聲音感受、音樂欣賞等音受智慧型、音用的音樂智慧型發展相關。右手無名指，代表辨識聲音、理解語言、學習記憶等語文、記憶的語言智慧型發展相關。
小指
小指反應我們大腦枕葉區的功能，從皮紋學的研究得知，小指可以顯示我們的感官知覺、視覺能力。
在先天傾向的表現上：左手小指，代表視覺感受、圖像欣賞等圖像、認知的空間智慧型發展相關。右手小指，代表視覺辨識、觀察理解、閱讀能力等觀察、閱讀的自然觀察智慧型發展相關。
